[AI] 인공지능 구축 기술
● 프로그래밍 언어
1) Python
장점 | 설명 |
간결한 문법 | 코드 작성이 쉽고 빠름 |
풍부한 라이브러리 | AI 개발을 위한 강력한 도구 지원 |
커뮤니티 지원 | 세계적으로 많은 개발자 사용 |
빠른 프로토타이핑 | 새로운 AI모델을 신속하게 개발 및 테스트 |
2) R
장점 | 설명 |
데이터 분석 최적화 | 통계 및 데이터 분석 기능이 내장 |
강력한 데이터 시각화 | 라이브러리를 활용, 고급 그래프 및 차트 생성 |
통계 모델링 지원 | 회귀분석, 분산분석, 시계열분석 등 |
머신러닝 가능 | 머신러닝 라이브러리를 통해 데이터 예측 모델 생성 가능 |
3) 그 외 프로그래밍 언어
언어 | 장점 | 비고 |
Java | 안정성, 확장성 | 대기업 시스템, 앱 개발 |
C++ | 빠른 실행 속도 | 로봇공학, 게임 AI, 자율주행 |
Julia | 고성능 계산 및 병렬 처리 | 과학기술, 수치 시뮬레이션 AI |
● 데이터 처리 및 분석
AI 모델을 성공적으로 개발하기 위해서 데이터를 효과적으로 처리하고 분석하는 도구 필요
1) Pandas (Python Data Anaysis Library)
2) NumPy (Numerical Phython)
* 파이썬에서 데이터 처리와 분석을 할 때 가장 많이 사용하는 핵심 라이브러리입니다.
둘은 서로 보완적인 관계이며, 머신러닝/AI의 전처리나 통계 분석에 거의 필수적으로 사용됩니다.
라이브러리 | Pandas | NumPy |
주요 용도 | 표 형식 데이터 처리 (행/열) | 다차원 배열 처리, 수학 연산 |
속도 | 빠르지만 NumPy보다는 느림 | 매우 빠름 (벡터화 연산 등) |
기능 | 결측값 처리, 그룹화, 시계열 분석 등 | 선형대수, 통계, 수치 연산 |
적합 데이터 | 레이블이 있는 구조적 데이터 | 숫자 중심의 수치 데이터 |
● 머신러닝 프레임워크
AI 모델을 쉽게 개발, 학습, 배포, 평가할 수 있게 도와주는 소프트웨어로서,
복잡한 수학 연산, 딥러닝을 위한 GPU가속 지원 등을 위해 필요
1) 텐서플로우 (TensorFlow)
2) 파이토치 (Pytorch)
* TensorFlow와 PyTorch는 현재 가장 널리 사용되는 두 개의 딥러닝 프레임워크입니다. 둘 다 신경망 모델 구축, 학습, 평가, 추론 등에 사용되며, 각자 특징과 장단점이 있습니다.
프레임워크 | TensorFlow | Pytorch |
개발사 | Meta | |
출시 | 2015 | 2016 |
계산 그래프 | 정적(Static Graph) | 동적(Dynamic Graph) |
사용 난이도 | 초기엔 복잡, 현재는 Keras 통해 초보자 지원 | 직관적이고 Python스러움 |
연구 적합성 | 좋음 | 매우 좋음 (연구 커뮤니티 선호) |
산업/배포 적합성 | 매우 뛰어남 (TF Lite, TFX 등) | 최근 좋아짐 (TorchScript 등) |
커뮤니티/자료 | 방대함 | 빠르게 성장 중 |
● 클라우드 및 GPU 활용
클라우드 환경과 GPU 사용은 필수에 가깝습니다.
(특히, 딥러닝은 연산량이 많아 GPU 없이 학습 시간이 너무 오래 걸리기 때문)
1) Google Colab(Colaboratory) : Google에서 제공하는 클라우드 기반의 개발 환경
특징 | 설명 |
무료 GPU / TPU 제공 | NVIDIA Tesla GPU 사용 가능 |
설치 없이 사용 | 웹 브라우저에서 바로 실행가능 |
Google 연동성 | Google Drive, Docs 등 |
2) 클라우드 서비스
구분 | AWS (Amazon Web Services) | Azure (Microsoft Azure) | GCP (Google Cloud Platform) |
주요 장점 | - 성숙도 높고 서비스 폭 넓음 | - Microsoft 생태계 (Office, Teams, GitHub)와 강력한 연동 | - Vertex AI로 통합된 UX 제공 |
모델 지원 | - 자체 모델 + 오픈소스 + 파트너 모델 (Anthropic, Meta 등) | - OpenAI 모델 직접 통합 (ChatGPT, DALL·E 등) | - Google 자체 모델 (Gemini, PaLM) |
주의 사항 | - UI/UX 복잡 | - 일부 기능은 Microsoft 계열에 종속적 | - AWS/Azure보다 기업 지원 인프라 약간 부족 |
GPU/TPU, MLOps 지원 | O | O | O |
커뮤니티 & 학습자료 | 가장 풍부 (AWS 공식 학습 + YouTube 등) | MS Learn, GitHub Copilot Labs 연동 | Google Cloud Skills Boost, Kaggle 연동 |